Система Эльконина-Давыдова не воспитывает у детей безоговорочного доверия к текстам и суждениям. Она приучает каждое мнение анализировать, задавая вопросы: «Всегда ли это так? Есть ли исключения из этого правила? Может ли быть по-другому?».
А может быть отсутствие безоговорочного доверия к напечатанному/сказанному - это благо? Особенно в современном мире избытка информации, где различные заинтересованные стороны пытаются склонить мнение читателя в свою пользу.
Язык падонкаф точно не имеет отношение к такой системе обучения. Сквозь строки интернетной беллетристики на этом языке часто чувствуется что автор неплохо владеет и нормативным русским языком.
Тут я согласен с автором. Для понимания и развития мышления это то что нужно. Для реализации в коде - конечно оверкилл.
На вышеупомянутом bivector.net авторы вообще лелеют надежду изменить парадигму мышления 3д разработчиков на алгебраическую геометрию вместо связки линал + аналитическая геометрия.
Действительно, что-то я подвыпал из темы. "Двойственный базис" - вполне нормальный термин, вот по аналогии и написал. Поисправляю на ко- и дуальные, хотя второй термин чаще используют физики.
"Обратный" в смысле элемента сопряжённого пространства нигде не встречал.
Я какое-то вермя работал в одном кабинете с разработчиками аппаратуры на VHDL и Verilog. Они снисходительно смеялись когда я жаловался на скорость компиляции плюсов.
Для человека, знакомого с разными типами спусковых устройств, проблема выглядит надуманной. Почему нельзя использовать аналог решётки или бобины, которые применяются в спелеологии и промальпе, и не крутят верёвку?
В некотором смысле. Здесь именно про внешние алгебры, в которых нет ничего про ко- и контрвариантность. Дальше в цикле статей рассказывается про линейные формы и сопряжённое пространство, а в самом конце есть ремарка о том что всю эту тему можно было бы ввести как векторы для которых определены законы трансформации, и что физикам обычно так и преподают.
То есть ковариантные и контравариантные векторы — это немного другой (более удобный физикам) формализм для идей, изложенных в статье.
> и за счет центробежной силы притягивает на полюсах сильнее, чем на экваторе.
Всё же непосредственный вклад силы в разницу тяготений довольно мал. Большая часть разницы получается от того, что земля сплюснута с полюсов (из-за упомянутой силы), то есть на полюсах поверхность находится ближе к центру масс, чем на экваторе.
это улучшенный по сравнению с традиционным immediate-mode-рендерингом
Я конечно говорю с переводом, но вот прям «улучшенным» tile-based растеризатор назвать трудно.
Разработчики мобильных чипов пошли на такой шаг чтобы снизить эноргопотребление. Пожертвовать пришлось юзабельными геометрическим шейдером и тесселяцией. Геометрическая стадия даже если и есть на tilebased-чипах, то она обычно тормозит куда сильнее аналогов на immediate mode.
> Если это далеко (десятки километров), то на несанкционированные (и бессмысленные!) щелчки гидролокатора легко могут ответить на «533-ей частоте».
На правах околотехнической фантастики: а что если спуфер и локатор — разные устройства на расстоянии друг от друга?
Во-первых, оба могут определить своё местоположение по системе, которой противодействуют.
Далее, локатор может непрерывно кормить спуфер данными о местоположении жертвы, пока есть такая возможность. В идеале, делать это по надводному радиоканалу. Как только локатор уничтожают, в работу включается следующий (ранее не обнаруживший себя) локатор, находящийся в другом месте, и так до исчерпания запаса локаторов. Разумеется, всё это работает в предположении, что обнаружить факт спуфинга сложнее (дольше), чем наличие несанкционированного локатора.
> Разностно-дальномерные системы
Почему бы не прикрутить ФАР как меру противодействия? Определяем угол на источник сигнала, и если внезапно появился сигнал с новым азимутом, игнорируем его при решении навигационной задачи. Заодно, угол на легальные маяки можно замешать в решение задачи для повышения точности.
Я давно не следил за прогрессом в нейросетях, потому задам несколько празндых вопросов не совсем по теме статьи:
1) Современные нейросети глубинного обучения построены на таких же нейронах (быть может, с более хитрой функцикей активации), или на чём-то принципиально ином?
2) Насколько я знаю, современные нейросети многослойны. Чем отличается нейрон многослойной сети от нейрона однослойной сети? Отсутствием пороговой функции?
3) Какие методы оптимизации используются в машинном обучении на практике? Такой же градиентный спуск?
А что если авторы алгоритма не врут и действительно использовали первый подход со случайной генерацией таблиц? Но по какой-то причине вместо случайных чисел взяли слабый, предсказуемый ГПСЧ.
Описание хэширования скорее подходит к симметричному шифрованию. Документ — шифротекст, грамотность председателя колхоза — ключ. Из шифротекста с помощью ключа можно однозначно и без перебора восстановить открытый текст, в отличие от хэширования.
Под выразительностью я понимал разнообразие способов задания модели. Чтобы можно было в разных сочетаниях комбинировать полигоны и неявные поверхности различного вида. Формат при этом может быть вообще бинарным.
Так все и делают. Но речь то шла про колладу как трёхмерный аналог SVG. А если мы поставляем только полигоны, то и смысла нет в колладе со всеми её возможностями.
Не совсем то. Да, она может хранить сплайны, полигоны и много чего ещё. Но что-то я не видел ни одной игры, где модели поставляются пользователю в виде сплайнов и метаболлов в колладе, а потом полигонизируются движком при старте.
То что спрятано в 3Д-библиотеках действительно проще описанного в статье. Но простота эта не от того что предметная область проще (как утверждает статья), а от того, что никто даже не думал использовать «настоящую» математику в массовом повседневном 3Д.
А может быть отсутствие безоговорочного доверия к напечатанному/сказанному - это благо? Особенно в современном мире избытка информации, где различные заинтересованные стороны пытаются склонить мнение читателя в свою пользу.
Язык падонкаф точно не имеет отношение к такой системе обучения. Сквозь строки интернетной беллетристики на этом языке часто чувствуется что автор неплохо владеет и нормативным русским языком.
Не могли бы вы написать статью про винегрет с селёдкой? Очень интересно откуда такая зависимость.
Тут я согласен с автором. Для понимания и развития мышления это то что нужно. Для реализации в коде - конечно оверкилл.
На вышеупомянутом bivector.net авторы вообще лелеют надежду изменить парадигму мышления 3д разработчиков на алгебраическую геометрию вместо связки линал + аналитическая геометрия.
Действительно, что-то я подвыпал из темы. "Двойственный базис" - вполне нормальный термин, вот по аналогии и написал. Поисправляю на ко- и дуальные, хотя второй термин чаще используют физики.
"Обратный" в смысле элемента сопряжённого пространства нигде не встречал.
Я какое-то вермя работал в одном кабинете с разработчиками аппаратуры на VHDL и Verilog. Они снисходительно смеялись когда я жаловался на скорость компиляции плюсов.
То есть ковариантные и контравариантные векторы — это немного другой (более удобный физикам) формализм для идей, изложенных в статье.
Я же делал такое в студенчестве в Maple, там была удобная функция для построения и анимирования. Сейчас воспользовался бы Sage.
Всё же непосредственный вклад силы в разницу тяготений довольно мал. Большая часть разницы получается от того, что земля сплюснута с полюсов (из-за упомянутой силы), то есть на полюсах поверхность находится ближе к центру масс, чем на экваторе.
Я конечно говорю с переводом, но вот прям «улучшенным» tile-based растеризатор назвать трудно.
Разработчики мобильных чипов пошли на такой шаг чтобы снизить эноргопотребление. Пожертвовать пришлось юзабельными геометрическим шейдером и тесселяцией. Геометрическая стадия даже если и есть на tilebased-чипах, то она обычно тормозит куда сильнее аналогов на immediate mode.
На правах околотехнической фантастики: а что если спуфер и локатор — разные устройства на расстоянии друг от друга?
Во-первых, оба могут определить своё местоположение по системе, которой противодействуют.
Далее, локатор может непрерывно кормить спуфер данными о местоположении жертвы, пока есть такая возможность. В идеале, делать это по надводному радиоканалу. Как только локатор уничтожают, в работу включается следующий (ранее не обнаруживший себя) локатор, находящийся в другом месте, и так до исчерпания запаса локаторов. Разумеется, всё это работает в предположении, что обнаружить факт спуфинга сложнее (дольше), чем наличие несанкционированного локатора.
> Разностно-дальномерные системы
Почему бы не прикрутить ФАР как меру противодействия? Определяем угол на источник сигнала, и если внезапно появился сигнал с новым азимутом, игнорируем его при решении навигационной задачи. Заодно, угол на легальные маяки можно замешать в решение задачи для повышения точности.
Я давно не следил за прогрессом в нейросетях, потому задам несколько празндых вопросов не совсем по теме статьи:
1) Современные нейросети глубинного обучения построены на таких же нейронах (быть может, с более хитрой функцикей активации), или на чём-то принципиально ином?
2) Насколько я знаю, современные нейросети многослойны. Чем отличается нейрон многослойной сети от нейрона однослойной сети? Отсутствием пороговой функции?
3) Какие методы оптимизации используются в машинном обучении на практике? Такой же градиентный спуск?
«Миром правит не тайная ложа, а явная лажа» (с).
То что спрятано в 3Д-библиотеках действительно проще описанного в статье. Но простота эта не от того что предметная область проще (как утверждает статья), а от того, что никто даже не думал использовать «настоящую» математику в массовом повседневном 3Д.